VK свёл запуск новой рекомендательной ленты с недель до одного дня
Команда AI VK рассказала, как изменила Discovery — общий слой для рекомендаций, поиска и рекламы во всех продуктах компании. Запуск новой рекомендательной вертикали теперь занимает день вместо недель: около 90% задач ранжирования решаются конфигурацией, без нового кода. Разработчик описывает каталог объектов, источники кандидатов, профиль и цели оптимизации. Сервисы, потоки данных, мониторинг и контур A/B-тестов платформа разворачивает сама.
AI-обработка оригинала TG: @data_secrets (Data Secrets); редакция Hamidun News
Команда AI VK опубликовала на Хабре отчёт о том, что изменилось в Discovery за последние месяцы. Discovery — единый инфраструктурный слой, на котором держатся рекомендации, поиск и реклама во всех продуктах VK. Главный результат: новую рекомендательную вертикаль, то есть отдельную ленту или список для конкретного сценария, теперь запускают за один день. Раньше эта рутина занимала недели. Около 90% задач ранжирования решаются конфигурацией, без нового кода.
Конфиг вместо недель разработки
Раньше под каждую новую ленту команде приходилось собирать свой набор сервисов, настраивать потоки данных, заводить мониторинг и отдельно строить инфраструктуру для A/B-тестов. Теперь инженер описывает вертикаль в конфигурационном файле. В нём четыре блока:
- каталог объектов, которые нужно ранжировать;
- источники кандидатов, откуда берутся объекты для показа;
- профиль пользователя, по которому подбирают контент;
- цели оптимизации, то есть метрики, которые модель должна растить.
Дальше платформа сама разворачивает сервисы, потоки данных, мониторинги и A/B-контур. Человек пишет описание, а не инфраструктуру.
Это дало 15 новых вертикалей. Среди них есть и небольшие сценарии, например ранжирование комментариев. Раньше такую мелочь не стоило запускать: недели работы не окупались. Когда запуск занимает день, экономика меняется, и даже узкие задачи получают собственный рекомендер.
Портал, который не даёт сломать продакшен
Если конфиг управляет почти всем, ошибка в нём бьёт по миллионам пользователей. Поэтому вокруг платформы построен Discovery Portal — единая точка управления конфигами, топологией сервисов и мониторингом. Работает он так:
- изменения проверяются до применения;
- раскатка идёт поэтапно, на каждом шаге метрики сравниваются со старой версией;
- при просадке система откатывает изменение;
- возврат на предыдущую версию делается в один шаг.
Порталом пользуются все разработчики AI VK, и через него проходят десятки изменений в день. Для инженеров это главный практический вывод: скорость запуска без такого страховочного контура быстро превращается в череду аварий. Быстрый старт и быстрый откат работают только в паре.
GPU в бюджете из миллисекунд
Отдельный блок посвящён графическим процессорам в самом ранжировании. Рекомендация должна уложиться в считаные миллисекунды, иначе лента подвиснет. Команда внедрила три механизма:
- Динамический батчинг. Сервер на короткое время копит приходящие запросы и отдаёт видеокарте пачкой. GPU эффективнее считает много объектов сразу, чем по одному.
- Контроль хвостов задержек. Средняя скорость мало что говорит: пользователь помнит самые медленные ответы. Команда отслеживает именно редкие долгие запросы и ограничивает их.
- Запасной путь на более простую модель. Если тяжёлая модель не успевает в отведённое время, ответ даёт облегчённая версия. Лента получит чуть менее точный результат, но не останется пустой.
Все три приёма знакомы инженерам, которые обслуживают онлайн-инференс. Здесь их собрали в платформу и применили к ранжированию в продуктах с большой аудиторией.
Что выросло в метриках
VK приводит такие цифры после внедрения изменений:
- время в ленте ВКонтакте выросло на 11%;
- добавления друзей из рекомендаций выросли почти в 2,7 раза;
- время просмотра в VK Клипах увеличилось на 22%;
- на главной VK Видео время просмотра выросло на 20%.
Реклама тоже работает на Discovery. Для сообщений в сообщество конверсия показа в целевое действие выросла на 46%, а цена целевого действия снизилась на 13%. В CPC-рекламе сайтов (оплата за клик) целевых действий стало на 56% больше, а их цена упала на 24%.
Это данные самой компании. Период замеров, размеры A/B-групп и вклад отдельных улучшений модели в отчёте не разделены, поэтому часть прироста может принадлежать не платформе, а новым моделям, которые на неё переехали. Но заявленный масштаб, от +11% до +46%, показывает, что единый слой ускорил не только запуск, но и сами эксперименты.
Что дальше
Следующий шаг — полный перенос поиска на Discovery. Если он удастся, рекомендации, поиск и реклама будут работать на одной инфраструктуре с общим порталом, мониторингом и правилами раскатки.
Для других компаний вывод простой. Чем больше задач ранжирования выносится в конфигурацию, тем дешевле каждая новая вертикаль и тем смелее команды её пробуют. Но платформа окупается только вместе с валидацией, поэтапными релизами и автоматическим откатом.
- 12 окт. 2026 г.Rutube готовит ИИ-помощников для родителей: ТВ даёт 75% семейного просмотра
- 8 нояб. 2026 г.Карпатый за выходные собрал HackerTube на Claude: 6454 видео из 43 млн комментариев
- 6 февр. 2026 г.Moltbot: почему личный ИИ-ассистент внезапно стал новой манией
- 11 июл. 2026 г.OpenAI выпустила GPT-5.6 после одобрения властей и представила ChatGPT Work
Вопросы и ответы по материалу
Что известно по теме: конфиг вместо недель разработки?
Раньше под каждую новую ленту команде приходилось собирать свой набор сервисов, настраивать потоки данных, заводить мониторинг и отдельно строить инфраструктуру для A/B-тестов. Теперь инженер описывает вертикаль в конфигурационном файле. В нём четыре блока: каталог объектов, которые нужно ранжировать; источники кандидатов, откуда берутся объекты для показа; профиль пользователя, по которому подбирают контент; цели оптимизации, то есть метрики, которые модель должна растить.
Что известно по теме: портал, который не даёт сломать продакшен?
Если конфиг управляет почти всем, ошибка в нём бьёт по миллионам пользователей. Поэтому вокруг платформы построен Discovery Portal — единая точка управления конфигами, топологией сервисов и мониторингом. Работает он так: изменения проверяются до применения; раскатка идёт поэтапно, на каждом шаге метрики сравниваются со старой версией; при просадке система откатывает изменение; возврат на предыдущую версию делается в один шаг.
Что известно по теме: GPU в бюджете из миллисекунд?
Отдельный блок посвящён графическим процессорам в самом ранжировании. Рекомендация должна уложиться в считаные миллисекунды, иначе лента подвиснет. Команда внедрила три механизма: Динамический батчинг. Сервер на короткое время копит приходящие запросы и отдаёт видеокарте пачкой. GPU эффективнее считает много объектов сразу, чем по одному. Контроль хвостов задержек. Средняя скорость мало что говорит: пользователь помнит самые медленные ответы. Команда отслеживает именно редкие долгие запросы и ограничивает их.
Внедряйте ИИ быстрее рынка вместе с инженерами и фаундерами
Внутри Vibe Club (hamidun.com/club): еженедельные живые мастермайнды и разборы архитектуры с Жемалом Хамидуном, закрытый Tech Radar, LMS и обновляемая база из 370+ боевых скиллов.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.